一种受人类自适应控制策略启发的实现顺从机器人操作的方法

在过去的几十年里，机器人专家创造了越来越先进和复杂的机器人系统。虽然其中一些系统非常高效并取得了显着的成果，但它们在一些任务上的表现仍然远不如人类，包括那些涉及抓取和操纵物体的任务。

来自广东工业大学、米兰理工大学、萨塞克斯大学和西英格兰大学布里斯托机器人实验室 (BRL) 的研究人员最近开发了一种模型，可以帮助改进机器人操作。这个模型发表在 IEEE Transactions on Industrial Informatics 上的一篇论文中，从人类如何根据他们试图完成的任务调整他们的操作策略中汲取灵感。

“人类具有非凡的能力来处理身体接触和完成动态任务，例如弯曲、切割和组装，以最佳方式和顺应性，”在 BRL 工作的论文的通讯作者杨晨光教授告诉 TechXplore。“虽然这些任务对人类来说很容易，但对于机器人来说，即使是高级机器人，也很难完成。”

根据杨教授和他的同事的说法，许多机器人在操纵任务上挣扎的原因之一是它们缺乏一种称为适应性顺从的人类先天技能。这项技能允许人类根据与他们试图操纵的对象的交互力来调整他们的动作和操纵策略。

为了在机器人中复制这种能力，研究人员从神经科学研究中汲取灵感，尤其是与人类运动控制相关的研究。与过去开发的其他方法相比，他们的模型对特定于任务的参数运动轨迹进行编码，这些轨迹与动态轨迹相关联，其中包括有关阻抗和前馈力分布的信息。

杨教授说：“我们的工作重点是如何让机器人向人类学习合规的操作技能。” “我们研究的核心目标是开发学习和控制方法，使机器人能够以合规的方式处理物理交互和接触丰富的任务。”

该方法从控制仿生模型中汲取灵感，该模型描述了人类如何学会自适应地控制肌肉运动以完成操作任务。因此，新模型允许机器人在执行从他们正在学习完成的任务的人类演示中获得的运动轨迹时，同时获取有关阻抗和力的信息。

“由于人类运动控制机制，我们的方法使机器人能够在执行任务期间动态调整其顺应性，”杨教授说。“总的来说，我们的工作表明，仿生学习控制可能是一种很有前景的解决方案，可以让机器人向人类学习操作技能。”

未来，该模型可以帮助提高现有和新开发机器人的操作技能，促进它们在各种现实世界环境中的集成。例如，它可能会导致机器人更擅长完成涉及力相互作用的工业任务，例如切割、钻孔和抛光。

“未来，我们将尝试以多种方式改进我们的方法，例如通过使用优化技术(如强化学习)优化适应配置文件;并利用更多模态使其成为多模态学习和控制框架，”杨教授补充道。 .

标签： 机器人操作